亏了?面试时薪资我要一万,HR 只给八千!

薪资谈判技巧
本文分享了在求职过程中如何评估自身价值,选择合适平台,学会谈判,以及自我评估的重要性。通过实例讲解,帮助求职者在面对薪资低于预期时做出合理决策。

作者 | 阿文

责编 | 伍杏玲

出品 | 程序人生(ID:coder_life)

我相信很多人在求职时经常会遇到这样的问题:自己告诉企业期望的薪资是10k,但是经过几轮复试下来,却发现企业只能给到8k,遇到这种情况有一些求职者可能就默默的接受了,而有一些求职者则选择了放弃。

我在刚毕业时,缺乏对薪资讨价还价的经验:

当时我找了一份运维相关的工作,我告诉对方期望薪资是6K,但最终HR跟我谈的薪资是5k,比我预期的少了1K,当时我也不会和对方谈判,默默地接受了这个薪资。

并且在未来一年多的时间里,我的薪资没变过。

对于绝大多数职场人而言,你的入职薪资想在未来一段时间内有很大的提升几乎是不太可能的,即使是大企业,也几乎是一年一次调薪。而且涨幅普遍不大。超过30%的几乎没有,假设你2019年9月份入职一家公司,薪资8k,你可能需要到2021年才有机会获得调薪。

那么今天我们就来聊一聊,遇到这种情况该怎么应对。

选择好的平台

很多时候你值多少钱,并不一定取决于你的能力,同样一个人在不同的平台,自己的价值体现也是完全不同的。

比如同样做一个产品的企业,A企业可能是个初创公司,产品刚刚成型还是靠融资维持运转,而B企业是一家上市企业,客户多,品牌好,有钱不需要融资,那么很明显,你找A企业面试,大概率不会拿到的比B企业多,但是并不绝对,还是要结合具体的企业来判断。

但是绝对大多少情况下,初创公司待遇都很一般,尤其是社保公积金方面。这个时候,你可以在投递简历的时候就考察下目标公司的规模、经营情况和企业实力以及在同行业中的地位、排名、口碑、是否需要融资等等。

学会谈判

在生活中,很多问题都会存在一个博弈,也就是俗称“讨价还价”,想想你自己在购物的时候有没有和销售不停的还价吧,对于企业而言同样如此,企业在招聘的时候同样也希望用最低的成本来招人。

因此,很多时候,你的薪资达不到预期,有可能是HR在压价。遇到这种情况,如果自认为在面试中表现可以,那么你可以这么告诉对方,记住要礼貌且平和的语气告诉对方:“薪资是8K是吗?了解了。其实是这样的,我对贵司的面试官印象很好。只不过,现在我的手头上已经有一份11K的Offer。来面试主要也是自己对贵司挺有兴趣的,所以过来看看...”然后看看对方的反应。

这么做的目的是把自己拉回到判断的话语权,这种“绵里藏针”的谈判方式,很适合求职者在薪酬谈判过程使用。但是一定要注意委婉和预期,切记不要强硬。

如果对语气很强硬的告诉你这个没有办法改,如果你拿到了更合适的Offer,那你就选下家吧。那么也不要紧,如果不急就在看看其他机会吧,如果对方觉得你的能力和面试表现都很突出,一般情况下还是有回旋的余地的,比如会跟领导申请下。可能还要谈判的余地。

事实上,我认为你既然要了10k,那想必你自己已经觉得自己值10k了,企业如果只能给你8k,那说明你在这家公司能体现的价值就是8k,除非这家公司有你想要的其他东西,比如技术、福利或平台,那8k其实也可以接受;如果和其他公司一样,并没有任何吸引力,那你就不用考虑。

还是以我自己为例,我自己曾经面试一家传统的软件企业,经过几轮面试,最终HR告诉我只能给我开7k,但是我当时要的是10k。

HR说,我的水平在他们公司只能算初中级,只能给这么多。

我委婉地说,我认为我的技术水平还是ok,既然如此,那么我们有机会在合作吧。

结果没过2个小时,对方给我回电话,说给我争取到了9k,HR告诉我因为目前这个岗位缺人,所以同意最高给到9k。但是最终我还是没去这家企业。

学会自我评估

学会自我评估很重要,根据自己所掌握的技术和能力然后根据市场上开出的薪水区间来判断自己值不值这个价格,你可以通过:

  • 招聘网站上的薪资待遇项来确定该岗位在市场上的浮动区间。

  • 相关从业者的薪资、福利待遇等。

通过以上方法综合评估这个岗位在市场是什么薪资水平,然后结合岗位所需要的能力评估。但是有的人可能会说了,一些招聘网站些的招聘要求特别的多,有些我根本就没接触过,怎么评估?

现在很多招聘网站的招聘要求都大同小异,你只要满足其中几点就可以申请,没有任何人可以完全满足企业招聘要求中的所有项目。

学会多看几家

有很多人可能是出于一些原因,十分着急找工作,如果你表现出这样的心态,那么很有可能就会被HR压价,然后就稀里糊涂的入职了,结果入职后就后悔了,发现自己的薪资比市场低很多。

因此,在找工作的时候切记心急,要学会多面试几家,综合评估下自己在市场上的价值。就跟买东西一样,学会对比。

以上就是我给大家的分享,希望在2020年,准备找工作的同学都能拿到比较满意的Offer。

#欢迎来留言#

2020年,你有换工作的念头或准备吗?

热 文 推 荐

疫情中怎么找工作?能跳槽吗?名企资深 HR 这样说!

愿得一心人:硅谷亿万富豪们的婚姻怎样?有人白首相守七十年

区块链中的哈希到底是什么?

自动机器学习:团队如何在自动学习项目中一起工作?(附链接)

金三银四网络面经之 DNS 详解!

波士顿动力的机器狗上班了!巡逻、检测不在话下,挪威公司为其编发工号

你点的每个“在看”,我都认真当成了喜欢

猛戳“阅读原文”,填写中国远程办公-调查问卷

<think>我们首先需要明确用户意图:了解测量领域存在的秩亏类型以及其他学科中的秩亏情况。 秩亏(Rank Deficiency)在数学和工程领域中通常指矩阵的秩小于其列数(或行数)的情况,导致方程组存在无穷多解或无唯一解。 我们将分两部分进行: 1. 测量领域中的秩亏类型 2. 其他学科中的秩亏情况 由于需要网络搜索,我们将调用搜索工具获取相关信息,然后整合。 注意:避免使用第一人称,避免步骤词汇,将答案组织为多个方法或步骤(换行分隔),最后添加相关问题。 搜索关键词: 测量领域: "measurement science" "rank deficiency" "geodesy" "surveying" 其他学科: "rank deficiency in other disciplines" "rank deficiency applications" 根据搜索,我们可能会得到以下信息: 一、测量领域中的秩亏类型 在测量领域,特别是大地测量和工程测量中,秩亏问题通常出现在平差模型中。常见的秩亏类型包括: - 自由网平差中的秩亏:当控制点不足或网形设计不合理,法方程系数矩阵秩亏,导致无法唯一确定所有点的坐标。例如,在GPS网平差中,如果没有足够的基准约束,就会发生秩亏。 - 秩亏自由网平差(Inner Constraint Adjustment):通过附加最小范数条件来解决秩亏问题,使得解具有平移、旋转和缩放不变性。 - 特定秩亏问题:在三维控制网中,秩亏可能由缺少必要的起算数据(如一个已知点、一个已知方向和一条已知基线)引起。 二、其他学科中的秩亏情况 1. 线性代数与数值分析:矩阵秩亏会导致线性方程组解的不唯一性,常用奇异值分解(SVD)或正则化方法处理。 2. 统计学与机器学习:在回归分析中,当设计矩阵存在多重共线性,会导致秩亏,使得最小二乘估计不稳定。解决方法包括岭回归(Ridge Regression)等。 3. 结构工程:在有限元分析中,刚度矩阵可能由于约束不足而出现秩亏,导致结构刚体位移无法抑制。 4. 信号处理:在信号重构或压缩感知中,采样矩阵的秩亏可能导致重建失败,需满足RIP条件。 5. 计算机视觉:在从运动恢复结构(SfM)中,基础矩阵的秩亏问题可能导致三维重建失败。 我们将按照上述思路组织答案,注意格式要求。 特别注意:在回答中不要集中引用,而是将引用信息自然融入答案中。最后,按格式要求生成相关问题。 </think>### 测量领域的秩亏类型 在测量平差领域,秩亏问题主要出现在法方程系数矩阵的秩小于未知参数个数,导致平差模型无法获得唯一解。常见类型包括: - **自由网平差秩亏**:当控制点不足或基准约束缺失(如GPS网无固定点),三维网秩亏数为4(3个平移+1个缩放),二维网秩亏数为3(2个平移+1个旋转)。 - **秩亏自由网平差**:通过附加最小范数条件($\min \|\mathbf{x}\|^2$)求解,使网形保持内部几何不变性。 - **病态问题秩亏**:观测值相关性高或几何结构弱化(如测站共线),系数矩阵接近奇异,需正则化处理。 ### 其他学科的秩亏情况 #### 1. 线性代数与数值分析 矩阵$\mathbf{A} \in \mathbb{R}^{m \times n}$秩亏($rank(\mathbf{A}) < \min(m,n)$),方程$\mathbf{Ax}=\mathbf{b}$存在无穷多解或无解。常用奇异值分解(SVD)处理: ```python import numpy as np U, s, Vt = np.linalg.svd(A) # 截断小奇异值解决秩亏 s_inv = np.diag(1/s[:r]) # r为有效秩 A_inv = Vt[:r].T @ s_inv @ U[:,:r].T ``` #### 2. 统计学与机器学习 - **多重共线性问题**:回归模型中自变量高度相关,导致设计矩阵$\mathbf{X}^T\mathbf{X}$秩亏。岭回归通过添加$L_2$正则项解决: $$\hat{\beta} = (\mathbf{X}^T\mathbf{X} + \lambda\mathbf{I})^{-1}\mathbf{X}^T\mathbf{y}$$ - **推荐系统**:用户-物品交互矩阵稀疏且低秩,矩阵分解需处理秩亏(如ALS算法)。 #### 3. 结构力学 有限元分析中刚度矩阵$\mathbf{K}$秩亏,结构存在刚体位移(如约束不足的桁架)。需施加位移边界条件消除秩亏: $$\mathbf{K}_{constrained} \mathbf{u} = \mathbf{f}$$ #### 4. 计算机视觉 - **基础矩阵估计**:匹配点不足或共面,$3 \times 3$基础矩阵$\mathbf{F}$秩亏($rank(\mathbf{F})<2$),导致三维重建失败。 - **光束法平差**:相机位姿与场景点联合优化中,控制点缺失引发秩亏,可通过添加先验约束解决。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值